深度解析研华全栈式AI产品布局

本期导读

在人工智能迈向边缘智能化的浪潮中，研华科技通过“Edge AI+生态协同”战略推动AIoT 2.0时代的产业落地。本文专访研华科技产品总监邱柏儒，深度解析研华全栈式AI产品布局、差异化技术积累与生态共创实践。

在人工智能呈爆发式增长并迈向新时代的浪潮下，AIoT 迅速朝着 2.0 时代加速进发。AIoT 2.0 时代最为突出的特征，便是 AI 能力由云端朝着边缘端快速下沉，边缘智能由此成为产业界的竞争焦点。作为深耕工业物联网41年的研华科技，很早就意识到边缘智能的重要性，提早布局，特别在今年更启动AIoT 2.0战略，加速AI产业化落地。而在此次的战略转型中，Edge AI无疑宛如最璀璨的 “启明星”，指引着前行方向。

基于这样的背景，研华科技协同创新研发中心产品总监邱柏儒欣然接受了智次方・物联网智库的独家专访，深入分享了研华在Edge AI 领域，特别是在国产Edge AI领域的丰富多元的产品布局，以及在生态协同共创、加速国产AI产业发展等层面极具前瞻性的深度思考，为行业发展提供了极具价值的见解与思路。

邱柏儒表示，面对当前AI的大浪潮，研华已打造全栈式AI产品体系，大力布局Edge AI产品，目前已包括AI模块、AI板卡、AI 加速卡、AI 嵌入式和工业平台，AI边缘平台、边缘AI服务器，乃至边缘整机柜服务器。Edge AI硬件支持各领域的AI软件，从底层的主流操作系统到各种AI运行环境，再到AI训练推理云服务软件，同时还联合主要的芯片、传感器等生态伙伴，打造出可落地的完整 Edge AI 整合方案。

今年9月，研华与昇腾合作发布了基于昇腾Atlas 310系列的工业边缘 AI 算力方案，正是其全栈式 Edge AI 战略的关键突破，也是双方助力信创 AI 走向产业的重要举措。此次研华构建三种工业 AI 产品形态：AI Edge Systems 专注工业现场产业化应用；AI On Modules 以标准化模块助力伙伴；AI Development Kits 为开发者提供算力。全栈化产品策略使研华在工业 AI 落地进程中独具优势，正加速迈入 AIoT 2.0 时代，引领行业创新变革，开启全新发展格局。

在谈及Edge AI领域的差异化技术积累时，邱柏儒强调了研华在硬件整合、软件优化、远程部署等方面的核心优势。同时，他还分享了研华在智能制造、智慧交通等行业的成功应用案例，以及AI生态建设的规划，展现出 AI 为行业变革带来的新可能。

展望未来，邱柏儒表示，面对Edge AI 产业化的战略机遇，研华将持续聚焦关键技术创新，深化与头部企业的战略合作，并以开放的心态推进生态共创，携手各界伙伴共同推动国产工业AI的蓬勃发展。

访谈亮点

研华构建全栈化工业AI产品矩阵，加速技术产业化落地

聚焦场景化需求，打造差异化Edge AI解决方案

引领行业标准制定，携手伙伴共建国产AI生态

以下为采访实录。

Edge AI的产品创新

物联网智库：

研华构建了三种工业AI产品形态：AOM(AI On Modules)、AI Development Kits和AI Edge Systems，请问这三种产品形态分别面向什么样的客户群体和应用场景？在产品定位上有何差异化？

研华邱柏儒：研华的三类工业AI产品形态，分别面向不同的客户群体和应用场景，在产品定位上各有侧重，但又相辅相成，共同构成了研华工业AI的整体布局。

•AI Edge Systems定位于产业化应用，面向工业现场的边缘算力解决方案。这类产品采用盒子形态或核心板卡形态，基于研华在各行业的深度布局，配备针对性的IO配置，能够适配各种严苛的工业现场环境。AI Edge Systems的目标客户主要是产业软件集成商或独立软件开发商(ISV)。我们可以把类似昇腾310这种高核心算力的边缘方案，部署到各种工业现场，满足他们对边缘算力的需求。

•AI On Modules则定位于标准化模块，旨在拓展研华产业方案尚未覆盖的部分，赋能合作伙伴二次开发，打造适用于特定场景的解决方案。通过AI On Modules，研华可以与生态伙伴协同创新，共同挖掘更多行业机会。

•AI Development Kits的定位是为AI算力转化为生产力、新技术导入和传统应用迁移提供算力底座支持。这类产品主要面向开发者和高校群体，满足他们在技术研发、应用创新、人才培养等方面的需求。

物联网智库：

对于AI On Modules(AOM)产品，研华推出了不同尺寸和性能的系列产品，请问在模块化设计上，研华做了哪些特殊考量？与传统的COM(Computer-on-Module)产品相比，AOM在技术特性和应用优势上有何不同？

研华邱柏儒：对于AI On Modules(AOM)产品，我们在模块化设计时主要考虑两个方面：市场的先行需求和芯片的算力规格。我们按照算力大小来定义不同的尺寸规格，因为这关系到功耗、支持的影像设备路数以及接口的丰富程度。在传统工业控制的应用里，我们会考虑I/O口的适用性；而在AI应用领域，感知(Sensing)设备接口的适用性，像MIPI、CSI等接口就成为了我们的主要考量，因为AI对环境的实时感知需要低延迟、高带宽的特性，我们必须在接口定义上做出针对性的优化，才能更好地适配AI应用场景。

与传统的COM(Computer-on-Module)产品相比，AOM在技术特性和应用取向上有明显不同。我们的整体方向是打造一个以边缘AI需求为导向、以算力为核心的标准化平台，可以快速扩展各类感知模组。我们希望通过建立开放的标准，吸引更多厂商参与，推动行业更快速、更蓬勃地发展。

目前，Edge AI模组厂商都是采用自己的标准各自为政，这导致设备集成商与不同厂商合作时，要重复投入资源造成浪费。我们的目标是成为行业先行者和领导者，推动建立行业标准，我们愿意联合行业内的生态伙伴共同推广。

在以往的自定义模组设计中，我们通常会更多考虑设计的便利性，但这可能会阻碍二次开发人员在设计流程中的延续性。如果转换为标准化的视角，就会需要联合上游芯片一起规划，带来一定的延续性。这样的标准化对整个生态系统是有益的，促进了行业通用化，避免了生态碎片化。虽然这个想法可能有些理想，但总要有人迈出第一步来推动行业的正向发展。

物联网智库：

三种工业AI产品形态背后，离不开研华在Edge AI领域的技术积累，请问研华在异构计算、AI算法优化、边缘部署等方面有哪些核心技术？这些技术能力如何支撑起不同层次的产品矩阵？

研华邱柏儒：在Edge AI领域，我们研华主要专注于硬件整合方面的核心技术。比如，在工业现场散热、系统集成能力、行业认证和设计能力等方面，我们都有深厚的积累。特别是在电力、轨交、医疗等对可靠性和稳定性要求极高的行业，我们的技术优势尤为突出。此外，基于在X86平台上的丰富经验，我们在异构计算领域也有独到的见解。我认为X86与NPU的整合非常重要，关键在于网络拓扑的设计。得益于我们在网络交换、PCIe交换等领域的技术积累，我们能够实现高效的异构计算平台架构设计。

软件方面，我们目前主要聚焦于底层开发，包括SoC等底层系统的开发。在昇腾生态系统中，为了满足下游客户和合作伙伴对算力需求的快速增长，我们需要定期更新SDK，以优化硬件性能并支持更多功能。这要求我们从传统的自动化开发模式转变为更快速的迭代周期，可能需要每月更新SDK套件，以支持客户的开发需求。

此外，我们在工业领域远程部署和管理工具的开发上也有独特优势。我们成功地将原本在X86架构上开发的技术移植到了Edge AI的底层系统。鉴于产品迭代和模型更新的频繁需求，远程部署的OTA功能变得至关重要。我们自主研发了这些功能，而不是依赖于伙伴提供的套件，因为我们希望为客户提供一种以客户应用模式为中心无人值守即可进行迭代更新的解决方案，从而加快整体的部署进程。

在与合作伙伴的联合开发中，我们重点关注异构架构下的算力平衡和工作分配系统等关键技术。一旦发现某项技术对我们的产品至关重要，我们就会考虑通过外部投资等方式将其引入我们的生态系统。

总的来说，正是凭借在硬件整合、软件优化、远程管理等多个维度的技术积累，我们才能构建起覆盖不同层次的工业AI产品矩阵。从赋能源头开发者的AI Development Kits，到便于二次开发的AI On Modules，再到面向产业化部署的AI Edge Systems，都能找到研华核心技术的身影。未来，我们还将持续加大研发投入，加速前沿技术向产品的转化，为客户提供更加完善、高效的边缘AI解决方案。

Edge AI的应用场景

物联网智库：

研华在构建Industry Edge AI解决方案时，主要聚焦哪些行业应用？目前已经有哪些成功的应用案例？应用AI技术带来了哪些新的解决方案和价值？

研华邱柏儒：研华目前主要聚焦于智能制造、机器人、智能交通、电力能源、智能城市综合管理等领域，在构建Industry Edge AI解决方案。从市场实践来看，AI在这些领域的应用已经开始先行。

研华也有一些AI应用的成功案例，例如生产过程的质量检测、工业现场的场域管理、轨交地铁的障碍物检测、驾驶员乘客的行为分析、城市道路的路况分析等。这些案例充分展现了AI技术在行业应用中的巨大潜力。

应用AI技术，不仅仅是提供了新的解决方案，更为行业带来了全新的可能性。过去，我们主要依赖自动化系统或行业专家来开发应用，但这些系统往往受限于资源和专家能力，难以快速复制或扩展。而AI技术的引入可帮助突破这些瓶颈。

首先，AI让我们对环境的感知变得更加全面和实时。通过将数据结构化和数字化，为后续的模型训练和进化提供了新的可能。我们可以将构建的AI模型拆解成不同层级和规模，灵活部署到现场。过去由于专业资源限制而难以实现的场景，现在可以通过复制和部署相应的硬件来实现。Edge AI解决方案就像是在现场部署了一位行业专家或工程师，使得部署变得更加灵活和高效。

其次，对行业而言，Edge AI解决方案极大拓展了“可执行性”的边界。过去企业在开发应用时，除了考虑创新性，还必须权衡可执行性。而如今，初创企业能够将更多资源集中在应用创新和迭代上，加速成长和发展。

总之，通过Edge AI技术，我们可以实现整个场域的可行性，这是Edge AI解决方案为行业带来的最大价值。我相信，随着AI技术的不断发展和行业应用的持续深化，必将涌现出更多令人振奋的成功案例，推动行业实现智能化变革。研华也将持续发挥自身优势，携手合作伙伴，共建Industry Edge AI生态，为行业智能化升级贡献自己的力量。

物联网智库：

AI Edge Systems被定位为“专属行业的AI应用系统”，请问研华在开发这类产品时，如何与行业客户进行需求匹配和应用场景分析？针对不同行业的特点，在板卡设计上会有哪些针对性的优化？

研华邱柏儒：在开发AI Edge Systems这类“专属行业的AI应用系统”时，我们研华非常重视与行业客户的需求匹配和应用场景分析。除了传统行业应用中关注的行业认证、环境适用性、周边控制设备扩展能力等因素外，在Edge AI场景下，我们还特别关注两个方向：感知设备需求和算力匹配。

首先，在感知设备需求方面，我们会深入分析包括雷达、摄像头、传感器等在内的各类设备，评估它们的分辨率、实时性、带宽、点位、路数、接口类别等关键指标。这些设备将现场状况转化为数字数据，是Edge AI应用的基础。我们需要将不同行业在外部感知能力方面的差异性，转化为明确的AI应用需求，从而开发和部署与之匹配的行业型系统。

其次，在算力匹配方面，我们既要考虑如何将传统算法迁移到AI领域，又要评估开发可训练、可进化算法的可能性。不同应用类型对算力的需求差异很大。比如在边缘计算场景中，如果是单纯的检测，可能只需要较小的模型；但如果是对综合环境的全面感知，则可能需要部署较大的模型。因此，我们必须根据不同行业的实际需求，来合理配置和匹配算力平台。

在板卡设计上，我们也会针对不同行业的特点进行优化。比如在智能交通领域，我们会重点考虑车规级认证、宽温工作、抗振抗冲击等因素；而在智能制造领域，我们可能更关注高速数据采集、实时控制响应、工业总线支持等方面。同时，我们还会从功耗、散热、尺寸等多个维度进行针对性设计，以满足不同行业环境的需求。

总的来说，感知需求匹配和算力平台优化是我们在产品设计和客户沟通中的两大核心方向。只有紧贴行业应用需求，洞察技术发展趋势，才能开发出真正满足客户需求、帮助行业实现智能化变革的Edge AI系统产品。

物联网智库：

从AI模组到开发套件再到边缘系统，研华的产品覆盖了工业AI应用的各个环节。您认为这种全栈产品策略对于加速AI技术在工业场景中的落地有何独特优势？客户可以获得哪些价值？

研华邱柏儒：在当前AI应用落地的进程中，研华在致力于打造自身的优势服务。通过观察AI应用的现状，我们认为主要瓶颈在于整个价值链的成熟度不够，以及整合度不足。

以传统自动化领域为例，作为硬件设备制造商，我们在产业链中处于承上启下的位置，上游有芯片制造商，下游有软件开发商或应用整合商，最终服务于终端用户。但在AI领域，价值链变得更加复杂，除了算法和模型，还涉及中间的软件集成环节。整个行业如不能有效整合价值链，就会导致投入大量资金却难以取得相应效益，AI应用也就难以真正落地。

因此，研华选择在AI全价值链上进行全面布局：

•在AI模组方面，我们作为硬件生态的一部分，与同层级的硬件设备集成商协同发展；

•边缘系统则致力于产业化应用，这是面向下游系统集成商等合作伙伴的布局；

•而开发套件的目标是服务开发者社区和高校，这是向上游的延伸。

这种全栈产品策略的独特优势在于，可以发挥研华在产业领域的广泛覆盖和丰富经验，将过去的优势转化为面向未来的竞争力。通过全面布局价值链，包括客户关系和生态经营，我们正在重新定位研华的价值所在。

我们希望以全栈产品提供最新、最优的产业化算力底座，赋能不同价值链体系的合作伙伴，加速AI开发和应用转化的进程。

对客户而言，这意味着他们可以获得一站式、全方位的产品与服务。无论是处于价值链的哪个环节，都能找到匹配的研华产品，从而降低技术门槛，聚焦自身的核心价值创造。同时，凭借研华在行业中的丰富经验和资源积累，客户还可以获得专业的咨询建议、行业最佳实践分享等增值服务，加速AI应用的落地实施。

Edge AI的生态建设

物联网智库：

研华与华为昇腾建立了战略合作关系，并成为认证的IHV和APN合作伙伴。请问双方的合作将如何助力国产AI生态的发展壮大？

研华邱柏儒：研华与华为昇腾的战略合作，将在助力国产AI生态发展壮大方面发挥重要作用。作为物联网领域的领先企业，研华拥有广泛的客户基础和深厚的行业积累。而华为昇腾则在国产AI体系中构建了完整的软硬件生态架构。我们双方强强联手，旨在打造国产AI产业赋能体系的领导者。

从产业链的角度来看，华为昇腾聚焦于上游的核心技术，如芯片、开发套件和软件生态的构建；而研华则专注于中下游的产业化应用，包括硬件系统开发、独立软件供应商(ISV)支持、系统集成以及开发者生态培育等。这是一种优势互补、资源整合的合作模式。

在生态经营方面，华为可能会更侧重于核心技术的迭代升级，巩固其在芯片和基础软件领域的领先地位；而研华则会投入更多资源，推动AI解决方案在细分行业的落地应用，扩大生态覆盖范围。通过这种分工协作，华为得以强化其核心竞争力，而研华则可以发挥行业触觉灵敏的优势，将AI技术渗透到更广阔的应用场景中。

我们双方的合作是一个“1+1>2”的过程。对华为昇腾而言，研华可以作为其技术和产品的“放大器”，将昇腾芯片和框架的优势辐射到更多行业领域；而对研华来说，昇腾强大的AI算力和完善的开发工具，将助力我们打造更高性能、更易于部署的行业智能化产品。基于双方共同的目标和理念，必将加速国产AI技术的成熟和行业渗透。

此外，作为行业领军企业，研华与华为的合作也将产生示范效应，吸引更多合作伙伴加入国产AI生态的建设中来。

物联网智库：

研华计划携手生态伙伴共同定义AI核心模块标准，发挥系统整合和服务优势助力应用落地。请问在标准制定和生态合作中，研华将扮演什么角色？有何独特优势？

研华邱柏儒：研华致力于成为行业的先锋和引领者。凭借对产业的深入理解和洞察力，我们能够将这些知识转化为产品标准，并且我们愿意将这些标准与业界共享。

我们与众多硬件合作伙伴保持着紧密联系，这些伙伴在我们后续标准的制定和演进中扮演着关键角色。我们计划将这些合作伙伴——包括新兴硬件设备制造商、系统集成商以及上游芯片制造商的设计团队——整合到我们的生态系统中。通过启动互认证和设计标准联盟等项目，我们旨在推动行业标准的建立和进步。

尽管我们在这一领域可能尚未确立显著的领先地位，但研华的选择是率先行动起来，然后保持开放合作的心态，与生态伙伴携手合作，共同拓展市场。

物联网智库：

研华在构建Industry Edge AI解决方案时，会深度绑定ISV伙伴和终端客户。请问研华如何理解和践行与合作伙伴生态共创？在协同创新方面有何成功经验？

研华邱柏儒：在研华，共创的理念已经深入人心，并且我们已经实践了很长时间。然而，这一过程中我们也遇到了不少挑战。通常，人们认为只要各方发挥自己的优势，合作就可能取得成功。但我们的经验告诉我们，真正的关键是实现“共同”的价值。

除了共享一个明确的目标，双方必须深刻理解彼此的优势和劣势，以及潜在的协同效应，这样才能找到互补的伙伴，从而真正实现共创。

共创合作并非简单的叠加，而是追求质的飞跃。换言之，合作的目标是实现双方单独无法完成的成就。因此，在寻找Edge AI领域的共创伙伴时，我们会考虑如何在特定的产业中开发解决方案。

以我们与机器人行业伙伴的合作为例，研华擅长提供强大的计算平台，使产品更加小巧、集成度更高，并整合周边硬件伙伴。而我们的伙伴则在操作系统实时性方面具有优势，能够构建适用于不同传感和控制系统的实时控制体系，类似于为机器人打造神经系统。可以说，伙伴在软件协同方面表现出色，而我们在硬件协同方面则更为突出。目前，我们的合作项目仍在开发阶段，我们推出的解决方案理论上可以直接应用于相关行业。

我们一起服务的终端客户只需专注于最终方案整合，发展自身的优势的应用算法，而其他如通讯、控制以及底层系统等方面的问题，都可以通过我们与伙伴的综合方案来解决。这样，在这个行业中，客户过去需要与多家厂商合作并投入大量精力进行整合才能完成的任务，现在通过我们打造的行业方案来赋能，开发效率和投入市场的速度会大幅增加。

物联网智库：

面向未来，研华在国产AI产业生态的建设方面还有哪些布局和展望？对产业发展有何期许和建议？

研华邱柏儒：研华正专注在物联网与人工智能的深度融合，加速从IoT到AIoT的转型。当前研华已迈入AIoT 2.0的时代，全面围绕着边缘AI进行的战略规划，目前主要集中在以下几个方向：

•在产品战略上，我们致力于发展产业化和方案化的产品布局，以更紧密地贴合产业AI应用的转换趋势。

•在核心技术领域，我们专注于与行业领导者如昇腾、英伟达等建立关键技术合作伙伴关系，共同打造完善的体系服务，从而实现产业赋能。

•在扩展与整合方面，我们同样致力于关键技术的投入。以AI为核心，我们将与周边传感设备领域的合作伙伴携手合作。鉴于AI领域与传统自动化领域的通路商存在差异，我们将整合上游、中游、下游合作伙伴的互补优势，构建生态联盟。

•最后，鉴于AI技术的快速迭代，我们持续关注市场和技术趋势中的关键技术。一旦出现与我们硬件或方案整合相关的重要技术，研华将通过战略投资来强化自身的核心竞争力。

具体到细分行业，例如我们之前提到的具身智能、能源综合管理以及机器人领域等。在机器人领域，对于视觉部分，包括3D相机或雷达等模块的合作伙伴，我们需要进行积累。同时，我们也非常重视与独立软件供应商（ISV）和软件集成伙伴的合作。我们将选择那些与我们战略布局相契合的生态伙伴，共同推进技术的发展和部署。

展望整个产业的数智化发展，Edge AI走向产业化是破局关键，而这需生态力量协同发力。研华深知此理，积极与生态伙伴携手合作，从产业客户痛点回溯，整合碎片化场景，精心构建数智蓝图。

在这个过程中，我们也诚挚期许更多伙伴加入Edge AI的产业征程，共同推动AI产业化落地。众人拾柴火焰高，当更多力量汇聚，步伐将愈发笃定，成功亦不再遥远。诚如《诗经》所云：“道阻且长，行则将至。” 研华愿与各方并肩同行，于Edge AI 产业化浪潮中，共铸辉煌未来，突破困境，迎接中国人工智能产业的新曙光。